AC paper-reorganizer
Этот навык следует использовать, когда пользователь хочет реорганизовать и углубить научную статью на основе заданных требований. Он направляет WorkBuddy через структурированный шестиэтапный рабочий процесс: (1) анализ статьи и извлечение основной идеи, (2) извлечение и восстановление структуры, (3) обзор и критика структуры, (4) разделение статьи по главам, (5) итеративное углубление каждой главы посредством многораундовых аргументаций с поддержкой китайской и зарубежной литературы, и (6) интеграция и финальная проверка на согласованность. Навык enforces строгие правила: каждая глава должна быть углублена независимо с повторными аргументами, должна оставаться связанной с общей основной идеей, не должна отклоняться от темы и не должна повторять содержание других глав. Поиск литературы охватывает CNKI, Web of Science, Google Scholar и другие базы данных. Ключевые фразы включают "整理论文大纲", "深化论文章节", "重新归纳期刊论文", "对论文进行分章深化", "帮我整理这篇论文", "按大纲深化论文", "搜集文献".
машинный переводПоказать оригиналСкрыть оригинал«This skill should be used when the user wants to reorganize and deepen…»
This skill should be used when the user wants to reorganize and deepen a journal paper based on given requirements. It guides WorkBuddy through a structured six-phase workflow: (1) parsing the paper and extracting the core thesis, (2) extracting and rebuilding the outline, (3) reviewing and critiquing the outline, (4) splitting the paper by chapters, (5) iteratively deepening each chapter through multi-round argumentation with Chinese and foreign literature support, and (6) integrating and performing a final consistency check. The skill enforces strict rules: each chapter must be deepened independently with repeated argumentation, must stay connected to the overall core thesis, must not go off-topic, and must not repeat content from other chapters. Literature search covers CNKI, Web of Science, Google Scholar and other databases. Trigger phrases include "整理论文大纲", "深化论文章节", "重新归纳期刊论文", "对论文进行分章深化", "帮我整理这篇论文", "按大纲深化论文", "搜集文献".
Этот навык следует использовать, когда пользователь хочет реорганизовать и углубить научную статью на основе заданных требований.
Как процесс C 59/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки
Как улучшить
- Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
- spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.
Находки guard · 0
✓ Критических и высоких находок нет
Просканировано файлов: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
✓ По спецификации Agent Skills замечаний нет
Процессный рейтинг: все десять параметров 59/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Ошибки и развилки. Линейный процесс без обработки сбоев
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 65
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 979 токенов
- 100Повторный запуск. Изменяющих операций нет
Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.
Сигналы качества
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Длина description 941: рекомендуется 120–800 символов
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 6 примера фраз-триггеров в кавычках
- +4Структура: 20 заголовков
- +3Пошаговые инструкции: 65 пунктов
- +4Есть примеры (1 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (2 из 2)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 90.